MétaCan
Menu
Retour à la cohorte
Enregistrement W3043425031 · doi:10.34197/ats-scholar.2019-0023oc

Improving Transitions of Care between the Intensive Care Unit and General Internal Medicine Ward. A Demonstration Study

2020· article· en· W3043425031 sur OpenAlexaff
Thomas Bodley, James Rassos, Wasim Mansoor, Chaim M. Bell, Michael E. Detsky

Notice bibliographique

RevueATS Scholar · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensSinai Health SystemUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRapid response teamMedicineIntensive care unitAuditEmergency medicineMedical emergencyHospital medicineNursingFamily medicineIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background In-hospital transfers such as from the intensive care unit (ICU) to the general internal medicine (GIM) ward place patients at risk of adverse events. A structured handover tool may improve transitions from the ICU to the GIM ward. Objective To develop, implement, and evaluate a customized user-designed transfer tool to improve transitions from the ICU to the GIM ward. Methods This was a pre–post intervention study at a tertiary academic hospital. We developed and implemented a user-designed, structured, handwritten ICU-to-GIM transfer tool. The tool included active medical issues, functional status, medications and medication changes, consulting services, code status, and emergency contact information. Transfer tool users included GIM physicians, ICU physicians, and critical care rapid response team nurses. An implementation audit and mixed qualitative and quantitative analysis of pre–post survey responses was used to evaluate clinician satisfaction and the perceived quality of patient transfers. Results The pre–post survey response rate was 51.8% (99/191). Respondents included GIM residents (58.5%), ICU rapid response team physicians and nurses (24.2%), and GIM attending physicians (17.2%). Less than half of clinicians (48.8%) reported that the preintervention transfer process was adequate. Clinicians who used the transfer tool reported that the transfer process was improved (93.3% vs. 48.8%, P = 0.03). Clinician-reported understanding of medication changes in the ICU increased (69.2% vs. 29.1%, P = 0.004), as did their ability to plan for a safe hospital discharge (69.2% vs. 31.0%, P = 0.01). However, only 64.2% of audited transfers used the tool. Frequently omitted sections included home medications (missing in 83.4% of audits), new medications (33.3%), and secondary diagnosis (33.3%). Thematic analysis of free-text responses identified areas for improvement including clarifying the course of ICU events and enhancing tool usability. Conclusion A user-designed, structured, handwritten transfer tool may improve the perceived quality of patient transfers from the ICU to the GIM wards.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,364
Score d'incertitude au seuil0,299

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,037
Tête enseignante GPT0,316
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueATS ScholarMême sujetEmergency and Acute Care StudiesTravaux en français237 207